 余文鑫 ArivnAI量化對沖基金Quantitative hedge funds，歡迎自薦與合作，電話（微信） 18682408004，郵箱arvin.yu@jrjhr.com…發(fā)布日期: 2020 年 11 月 4 日 1.什么是 AI ？AI-人工智能（Artificial Intelligence），是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能亦稱智械、機器智能，指由人制造出來的機器所表現(xiàn)出來的智能，通常人工智能是指通過普通計算機程序來呈現(xiàn)人類智能的技術(shù)。 簡單說就是使用機器代替人實現(xiàn)認(rèn)知、分析、決策等功能的綜合學(xué)科。 2.什么是 機器學(xué)習(xí)？機器學(xué)習(xí)(Machine Learning, ML)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域。 3.什么是 量化投資？量化投資（Quantitative Investment）是指通過數(shù)據(jù)統(tǒng)計量化方式及計算機程序化發(fā)出買賣指令，以獲取穩(wěn)定收益為目的的交易方式。量化投資區(qū)別于定性投資的特征就是模型，量化投資技術(shù)幾乎覆蓋了投資的全過程，包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統(tǒng)計套利、算法交易、資產(chǎn)配置等。 大量可靠的、結(jié)構(gòu)化的數(shù)據(jù)將成為 AI + 金融 的主要驅(qū)動力！AI量化投資從社交媒體、財經(jīng)網(wǎng)站、行業(yè)研究報告、滬深系統(tǒng)等數(shù)據(jù)源獲取的大量輿情、基本面、技術(shù)面原始數(shù)據(jù)，通過數(shù)據(jù)挖掘、知識圖譜、自然語言處理等關(guān)鍵技術(shù)進(jìn)行清洗、預(yù)處理，從而獲得結(jié)構(gòu)化、可靠的金融量化數(shù)據(jù)。 目前成熟的AI技術(shù)和可靠的、規(guī)則化的金融數(shù)據(jù)成為AI落地金融領(lǐng)域的巨大瓶頸，而機器學(xué)習(xí)基礎(chǔ)理論、基本規(guī)則和基本開發(fā)工具都已經(jīng)非常完善，當(dāng)下火熱的AI技術(shù)，結(jié)合金融市場量化團(tuán)隊，與眾不同的AI量化模型也就應(yīng)運而生。 還有模型代碼、服務(wù)器等就不過多展示了...... (AI入門知識)AI-人工智能知名企業(yè)： 商湯科技（SenseTime） 曠視科技（megvii） 依圖YITU 云從科技（Cloudwalk） 百度AI 阿里巴巴 騰訊AI開放平臺 華為HiLink 科大訊飛 優(yōu)必圖UBTECH 谷歌DeepMind 亞馬遜Alexa Facebook FAIR Microsoft微軟 蘋果公司（Apple) ... 常用的機器學(xué)習(xí)算法有：· 構(gòu)造間隔理論分布：聚類分析和模式識別 · 人工神經(jīng)網(wǎng)絡(luò) · 決策樹 · 感知器 · 支持向量機 · 集成學(xué)習(xí)AdaBoost · 降維與度量學(xué)習(xí) · 聚類 · 貝葉斯分類器 · 構(gòu)造條件概率：回歸分析和統(tǒng)計分類 · 高斯過程回歸 · 線性判別分析 · 最近鄰居法 · 徑向基函數(shù)核 · 通過再生模型構(gòu)造概率密度函數(shù)： · 最大期望算法 · 概率圖模型：包括貝葉斯網(wǎng)和Markov隨機場 · Generative Topographic Mapping · 近似推斷技術(shù)： · 馬爾可夫鏈 · 蒙特卡羅方法 · 變分法 · 最優(yōu)化：大多數(shù)以上方法，直接或者間接使用最優(yōu)化算法。 每種方法都有其優(yōu)點和缺點，可以通過使用不同的算法組合來解決實際問題。而如何選擇通過哪些算法來解決一個特定的問題，將取決于各類因素，包括可用的數(shù)據(jù)集的性質(zhì)。在實踐中，開發(fā)人員傾向于通過實驗來選擇采取哪種方法。 隨著技術(shù)的不斷發(fā)展，我們引入了一個更高效的機器學(xué)習(xí)方式--深度學(xué)習(xí) 深度學(xué)習(xí)對于一般的機器學(xué)習(xí)而言， 編寫執(zhí)行某些任務(wù)的程序是很困難的，比如語音語義理解和識別圖像中的對象。 舉個例子，如果我們想編寫一個識別汽車圖像的計算機程序，那么我們就不能僅通過一個算法來處理汽車的特征及確保在任何情況下該算法都能進(jìn)行正確的識別。因為汽車有各種各樣的形狀、大小和顏色；他們的位置，方向和形態(tài)各不相同。此外，車輛所處路況、照明條件和其他許多因素都可能影響識別車輛的外觀。變量太多，就算是我們硬頭皮寫了出來，這也不是一個好的可擴(kuò)展的方案。如此一來，我們就需要為每一種我們要識別的對象單獨寫程序。 但是，深度學(xué)習(xí)（DL），這徹底改變了人工智能的世界。深度學(xué)習(xí)是一個子集的機器學(xué)習(xí)。所有深度學(xué)習(xí)都是機器學(xué)習(xí)，但并非所有機器學(xué)習(xí)都是深度學(xué)習(xí)。 深度學(xué)習(xí)是如何實現(xiàn)的？深度學(xué)習(xí)本質(zhì)是一種模擬人類大腦思考的學(xué)習(xí)方式。大腦會通過學(xué)習(xí)來克服困難 ：包括理解言語和識別對象。大腦并不會通過處理窮舉規(guī)則來判斷，而是通過實踐和反饋提高自我認(rèn)知。就像一個孩子，看到汽車會知道這是汽車，看到圖片會知道上面表達(dá)的含義。孩子們沒有一套詳細(xì)的規(guī)則來學(xué)習(xí)，孩子們是通過訓(xùn)練而掌握這些的。 深度學(xué)習(xí)使用相同的方法。基于人工和軟件的計算單元，其近似腦中的神經(jīng)元的功能被連接在一起。 它們形成一個「神經(jīng)網(wǎng)絡(luò)」，它接收一個輸入內(nèi)容（繼續(xù)我們的例子，一輛汽車的圖片），進(jìn)行分析、做出判斷并被告知自己的判斷是否正確，以此來訓(xùn)練。如果輸出是錯誤的，神經(jīng)元之間的連接由算法調(diào)整，這將改變未來的預(yù)測。（因此最初期時，神經(jīng)網(wǎng)絡(luò)將發(fā)生多次錯誤） 在數(shù)百萬的例子中，神經(jīng)元之間的連接將被調(diào)整，實踐使其逐漸完善，一步步接近完美。 通過深度學(xué)習(xí) DL 我們現(xiàn)在可以： · 識別圖片中的元素； · 實時翻譯語言； · 使用語音來控制設(shè)備（通過 Apple 的 Siri，Google Now; Amazon Alexa 和 Microsoft Cortana）; · 預(yù)測遺傳變異如何影響 DNA 轉(zhuǎn)錄; · 分析客戶評論中的情緒; · 檢測醫(yī)學(xué)圖像中的腫瘤; · 其他更多可能... 深度學(xué)習(xí)將程序員從復(fù)雜的問題處理中解放出來，為一系列重要問題提供了成功的預(yù)測的工具。 |
|
|
